使用 htmlagilitypack 获取特定标签后面的 p 标签

Question

我正在使用 htmlagilitypack c# 抓取一个网站：

i have in the source code of an html page

....
<p>this a p that come before h3</p>
....
....
<h3>this h3 </h3>

<p>first p after h3</p>

....

<p>seconde p after h3</p>

我想获取所有随后出现的 Ps

，有没有一种方法可以使用位置来过滤 Ps。

其中(位置(p)>位置(h3))

Answer 1

您可以使用如下所示的辅助方法：

static IEnumerable<HtmlNode> FilteredTakeWhile(
    HtmlNode root,
    Func<HtmlNode, bool> predicate,
    Func<HtmlNode, bool> takePredicate)
{
    for (var currentNode = root.NextSibling;
         currentNode != null && takePredicate(currentNode);
         currentNode = currentNode.NextSibling)
    {
        if (predicate(currentNode))
            yield return currentNode;
    }
}

然后使用它：

var h3 = doc.DocumentNode.SelectSingleNode("h3");
// take all "p" nodes while we haven't reached the next "h3" node
var query = FilteredTakeWhile(h3, node => node.Name == "p", node => node.Name != "h3");

Answer 2

尝试以下代码：

var htmlText = "source code of your html page";
var htmlDoc.LoadHtml(htmlText);
var h3= htmlDoc.DocumentNode.SelectNodes("//h2");
var lineNum = h3[0].Line;
var p = htmlDoc.DocumentNode.SelectNodes("//p").Where(x => x.Line > lineNum);